Grammatikinduktion auf Basis von Parallelkorpora: PTOLEMAIOS (Parallel-Text-based Optimization for Language learning - Exploiting Multilingual Alignment for the Induction of Syntactic grammars)

点击翻译按钮获取中文摘要

Im PTOLEMAIOS-Projekt soll eine neue Methode zur Erstellung von Computer-Grammatiken entwickelt werden, die es erlaubt, in kurzer Zeit und mit geringem Entwicklungsaufwand einen robusten Parser mittlerer Analysetiefe für eine neue Sprache zu entwickeln. Als Ressourcen werden lediglich ein Parallelkorpus benötigt, das übersetzte Texte in der Sprache und mindestens einer anderen Sprache enthält, sowie eine einfache manuelle Strukturannotation für eine verhältnismäßig kleine Teilmenge von Satz-Paaren oder -Tupeln aus diesem Parallelkorpus. Mehrsprachige Parallelkorpora sind heute für eine Vielzahl von Sprachen und domänenspezifische Subsprachen leicht zu erhalten. Zur Erstellung der Grammatiken werden Techniken aus dem maschinellen Lernen und Repräsentationsmodelle aus der theoretischen Linguistik verwendet. Das zugrundeliegende Grammatikmodell ist ein spezielles statistisches Modell, das auf dem Vergleich von Generierungsalternativen für eine zugrundeliegende Bedeutungsrepräsentation basiert. Im Lernprozess wird versucht, die sprachspezifische Gewichtung unterschiedlicher Faktoren zu bestimmen, die die beobachteten Sprachdaten am besten vorhersagt. Um mit geringen Mengen von handannotierten Daten auskommen zu können, wird keine echte Bedeutungsrepräsentation angenommen, sondern eine recht oberflächennahme Konsens-Strukturrepräsentation. Für diese gemeinsame 'Pseudo-Bedeutungspräsentation', die den verschiedensprachlichen Versionen eines Satzes aus dem Parallelkorpus zugeordnet wird, lässt sich ein automatisches Annotationsverfahren leichter trainieren.